Anotace
Cílem předmětu je seznámit studenty se základními metodami strojového učení.
Studenti teoreticky porozumí a naučí se prakticky používat modely vhodné pro regresní i klasifikační úlohy ve scénáři učení s učitelem a také modely shlukování ve scénáři učení bez učitele.
V předmětu bude také probrán vztah mezi vychýlením a variancí modelů (bias-variance trade-off) a vyhodnocování kvality modelů.
Kromě toho se studenti naučí základní techniky předzpracování a vizualizace dat. Na cvičeních se k práci s daty a modely budou využívat knihovny pandas a scikit pro jazyk Python.
Doporučená literatura
- Hastie T., Tibshirani R., Friedman J.: The Elements of Statistical Learning. Springer, 2009. ISBN 978-0-387-84857-0.
- Murphy K. P.: Machine Learning, A Probabilistic Perspective. MIT Press, 2012. ISBN 978-0-262-01802-9.
- Deisenroth M. P. : Mathematics for Machine Learning. Cambridge University Press, 2020. ISBN 978-1108455145.
- Alpaydin E. : Introduction to Machine Learning. MIT Press, 2020. ISBN 978-0262043793.
- Bishop Ch. M. : Pattern Recognition and Machine Learning. Springer, 2006. ISBN 978-0387-31073-2.
Požadavky
Předpokládá se znalost lineární algebry, matematické analýzy, teorie pravděpodobnosti v rozsahu kurzů vyučovaných na FIT.